[发明专利]一种基于人工蜂群的深度置信网络参数寻优方法及系统在审
| 申请号： | 201710652626.4 | 申请日： | 2017-08-02 |
| 公开（公告）号： | CN107609630A | 公开（公告）日： | 2018-01-19 |
| 发明（设计）人： | 潘丹;刘耿标;陈斌;吴超英;张艺楠;曾安 | 申请（专利权）人： | 广东建设职业技术学院 |
| 主分类号： | G06N3/00 | 分类号： | G06N3/00;G06N3/08;G06K9/62 |
| 代理公司： | 广州嘉权专利商标事务所有限公司44205 | 代理人： | 胡辉 |
| 地址： | 510440 *** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于人工蜂群的深度置信网络参数寻优方法及系统，方法包括构建深度置信网络模型；以深度置信网络模型的学习率作为问题参数，以深度置信网络模型的能量函数作为目标函数，采用人工蜂群算法对深度置信网络模型的学习率进行迭代寻优，找出深度置信网络模型的最佳学习率和能量值最小情况下的网络参数，并以深度置信网络模型的最佳学习率和能量值最小情况下的网络参数作为深度置信网络的初始化参数。本发明利用了人工蜂群算法来进行深度置信网络参数寻优，提高了学习率的收敛速度和网络精度；以最佳学习率和能量值最小情况下的网络参数作为深度置信网络的初始化参数，提高了拟合度。本发明可广泛应用于数据挖掘领域。 | ||
| 搜索关键词： | 一种 基于 人工 蜂群 深度 置信 网络 参数 方法 系统 | ||
【主权项】：
一种基于人工蜂群的深度置信网络参数寻优方法，其特征在于：包括以下步骤：根据给定的训练样本和隐藏层节点数构建深度置信网络模型；以深度置信网络模型的学习率作为问题参数，以深度置信网络模型的能量函数作为目标函数，采用人工蜂群算法对深度置信网络模型的学习率进行迭代寻优，找出深度置信网络模型的最佳学习率和能量值最小情况下的网络参数，并以深度置信网络模型的最佳学习率和能量值最小情况下的网络参数作为深度置信网络的初始化参数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东建设职业技术学院，未经广东建设职业技术学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710652626.4/，转载请声明来源钻瓜专利网。
